QPBrute: 用于拟合QPGraph模型的启发式搜索方法

简介：
简介：QPBrute是一种针对QPGraph模型设计的高效启发式算法，旨在加速复杂网络结构中的参数估计过程，适用于大规模数据集。 qpBrute 存储库包含用于自动拟合混合图的 Python 代码，并使用启发式算法迭代地构建日益复杂的模型。此外，该存储库还提供了 R 代码以计算贝叶斯因子（BF），以便比较不同拟合模型。 文中描述的一种启发式搜索算法首先被提出并详细说明，在此基础上进行了代码重构，形成了一个独立工具，包括贝叶斯因子的计算功能。 具体而言，给定用于生成图的一个外部组后，该算法采用逐步添加顺序法将叶子节点加入到混合图中。在每个步骤里，新节点会在除外组分支之外的所有分支上进行插入测试。如果不能通过常规方法成功插入而不产生 f4 离群值（即 |Z| >= 3），则会尝试所有可能的混合组合来完成插入操作。若上述方式均失败，则丢弃该子图；反之，如果节点能够被正确地添加到图形中，那么接下来将递归地对剩余节点进行类似的操作，并且程序会对初始节点的所有排列顺序都进行测试以确保覆盖尽可能多的空间。 最后，拟合出的混合图结果会被传递给 R 程序包中的 MCMC（马尔可夫链蒙特卡洛）算法来计算模型及其贝叶斯因子（BF）的概率。